深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
181	2026-05-30	Performance of Artificial Intelligence Models in Predicting Responsiveness of Hepatocellular Carcinoma to Transarterial Chemoembolization (TACE): A Systematic Review and Meta-Analysis 2026-01, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.08.028 PMID:40889566	系统综述与荟萃分析	评估人工智能模型预测肝细胞癌患者对经动脉化疗栓塞（TACE）治疗反应的性能	首次通过荟萃分析系统比较了手工影像组学（HCR）和深度学习（DL）模型在预测TACE疗效方面的性能，并评估了临床数据整合的影响	观察到研究中的异质性，表明需要进一步研究来验证模型的一致性和临床适用性	评估人工智能模型预测肝细胞癌患者接受TACE后治疗效果的预测性能	肝细胞癌（HCC）患者，接受经动脉化疗栓塞（TACE）治疗	机器学习	肝细胞癌	手工影像组学（HCR）、深度学习（DL）	深度学习模型、手工影像组学模型	影像数据、临床数据	27项研究纳入综述，其中11项研究用于TACE治疗反应的整体荟萃分析	NA	NA	受试者工作特征曲线下面积（AUC）	NA
182	2026-05-30	From pixels to prognosis: A QUADAS-2-Guided systematic review and meta-analysis of deep learning segmentation for DLBCL in PET and PET/CT 2026, Cancer treatment and research communications DOI:10.1016/j.ctarc.2026.101144 PMID:41719779	系统综述与荟萃分析	对深度学习模型在PET/CT成像中自动分割弥漫性大B细胞淋巴瘤的性能与方法学质量进行系统评价和荟萃分析	首次采用QUADAS-2工具对DLBCL深度学习分割研究的偏倚风险进行全面评估，并基于随机效应模型计算了合并Dice相似系数	纳入研究间算法、研究设计和数据集存在异质性，单中心与多中心研究表现有差异，未来需更大且多样化的队列及改进报告标准	评估深度学习模型在PET/CT中自动分割DLBCL的性能与方法学质量	15项合格研究（11项定量合成，4项定性评估）	计算机视觉	弥漫性大B细胞淋巴瘤	PET/CT成像	深度学习模型	医学影像	15项研究（11项定量合成）	NA	NA	Dice相似系数	NA
183	2026-05-30	Integrative multi-omics and machine learning/deep learning approaches in cancer knowledge discovery: A scoping review 2026, Cancer treatment and research communications DOI:10.1016/j.ctarc.2026.101136 PMID:41740538	综述	该范围综述评估了多组学整合结合机器学习和深度学习方法在癌症知识发现中的应用效果	系统性总结了70项研究中多组学整合与ML/DL方法在癌症预测和分型中的应用，揭示了当前研究设计的多样性和知识缺口	纳入研究的设计和数据类型差异显著，难以进行跨研究比较，且缺乏标准化整合方法	评估多组学整合与ML/DL方法在癌症知识发现中的有效性，并识别关键主题和知识缺口	70项关于多组学整合和ML/DL应用的研究	机器学习	癌症	多组学（转录组学、基因组学、蛋白质组学等）	机器学习、深度学习	多组学数据	70项研究	NA	NA	NA	NA
184	2026-05-30	An AI-based intelligent diagnosis system for adolescent mental health based on multitask deep learning 2026, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2026.1752423 PMID:41816530	研究论文	基于多任务深度学习的青少年心理健康智能诊断系统，利用中国青少年的自发文本表达非侵入性预测共病抑郁和焦虑严重程度	采用中文优化BERT编码器与多任务学习架构联合预测共病抑郁和焦虑，通过双重特征融合和变分自编码器数据增强解决类别不平衡问题	未来需进行纵向验证、多模态整合及道德部署策略研究	开发一种文化敏感、可扩展的青少年心理健康筛查工具，替代传统自评量表	中国青少年自发文本表达与抑郁焦虑症状的关系	自然语言处理	青少年抑郁和焦虑	自然语言处理，变分自编码器数据增强	多任务深度学习	文本	约1275名青少年的文本回答，扩展测试集308个样本	PyTorch，Jieba	中文优化BERT编码器，自注意力机制，双重特征融合（池化[CLS]令牌和全局池化），多任务头	皮尔逊相关系数，AUC，F1分数，均方误差	NA
185	2026-05-30	Development and evaluation of AI model with deep learning for segmentation of extraocular muscles in thyroid eye disease 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349074 PMID:42189850	研究论文	开发并评估用于甲状腺眼病眼外肌分割的深度学习AI模型	首次开发用于甲状腺眼病眼外肌自动分割的AI模型，并分析了不同数据集大小对分割精度的影响	单中心回顾性研究，样本量较小，且仅使用MRI影像数据	开发并评估基于深度学习的AI模型用于甲状腺眼病患者眼外肌的自动分割	甲状腺眼病（TED）患者	计算机视觉, 数字病理	甲状腺眼病	MRI	深度学习模型	图像	52例甲状腺眼病患者	NA	NA	Dice相似系数, 信号强度比	NA
186	2026-05-30	Enhancing products performance evaluation through hybrid DistilRoBERTa and BiGRU models 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0348316 PMID:42189920	研究论文	通过结合DistilRoBERTa和双向门控循环单元的混合深度学习模型，对产品评论进行情感分析，提升产品性能评估	集成评价理论与混合深度学习方法，通过可解释人工智能的Shapley加法解释方法进行交叉验证，实现了对产品复杂性和可用性的综合评估	未提及	探索客户评论中产品复杂性的情感分析，提升产品性能评估的准确性和可解释性	亚马逊产品评论	自然语言处理	NA	NA	混合模型（DistilRoBERTa和双向门控循环单元）	文本	NA	PyTorch	DistilRoBERTa, 双向门控循环单元	准确率	NA
187	2026-05-30	Correction: AI-powered detection of cyberbullying in short-form video content: A hybrid deep learning framework 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0350051 PMID:42189894	更正	本文是对先前一篇关于利用混合深度学习框架检测短视频内容中网络霸凌的文章进行更正	NA	NA	NA	NA	自然语言处理	NA	NA	深度学习	视频	NA	NA	混合深度学习框架	NA	NA
188	2026-05-27	Multi-window temporal analysis for enhanced arrhythmia classification: leveraging long-range dependencies in electrocardiogram signals 2026-01-28, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae3937 PMID:41539004	研究论文	提出S4ECG深度学习架构，通过多窗口时间分析捕捉心电图信号中的长期依赖关系，提高心律失常分类准确性和跨数据集鲁棒性	首次将结构化状态空间模型应用于心电图多窗口联合分析，有效捕捉房颤等心律失常在长时间尺度（2分钟至10~20分钟）上出现的诊断特征，显著降低假阳性率	未明确提及局限性，但窗口长度超过20分钟后性能趋于平稳或下降，提示可能存在最优窗口限制	利用多窗口时间分析增强心律失常分类性能，特别是房颤检测的准确性和跨数据集泛化能力	心电图信号中的心律失常分类，包括房颤、房扑等多种类型	机器学习	心血管疾病	心电图	结构化状态空间模型	时间序列信号	NA	NA	S4ECG	宏平均AUC, 特异性, 敏感性, 假阳性率	NA
189	2026-05-27	Emotion recognition from auditory autonomous sensory meridian response (ASMR) using multi-modal physiological signals 2026-01-21, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae35ca PMID:41505907	研究论文	利用多模态生理信号从听觉自主感觉经络反应（ASMR）中识别情绪	以往研究主要关注ASMR引发的低唤醒度积极情绪（如放松和宁静），本论文首次探索了ASMR听觉刺激引发的更广泛情绪类型，包括快乐、悲伤和厌恶，并采用多模态生理信号与深度学习分类器进行情绪分类	NA	探索ASMR听觉刺激诱发的多种情绪，并验证多模态生理信号结合深度学习在情绪识别中的有效性	23名ASMR体验者的脑电图、光电容积描记图和皮肤电活动等多模态生理数据	机器学习	NA	可穿戴生物传感器、rmANOVA统计检验	人工神经网络和卷积神经网络	生理信号	23名ASMR体验者	NA	ANN, CNN	分类准确率	NA
190	2026-05-27	A novel adaptive CNN-LSTM fusion network for electrocardiogram diagnosis 2026-01-07, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae2f8a PMID:41418332	研究论文	提出一种自适应CNN-LSTM融合网络用于心电图诊断	设计了一种自适应卷积核，能根据局部信号方差动态调整大小，结合空间-时间融合机制，提升了心电图诊断的效率和准确性	未在更多样化的数据集或临床环境中验证模型的泛化能力，且未讨论计算资源需求或模型复杂度	提高自动心电图诊断的效率和准确性，为早期心血管疾病筛查提供技术支持	心电图信号	机器学习	心血管疾病	NA	CNN-LSTM	信号	PTB-XL数据集	NA	自适应CNN, LSTM	准确率, 宏平均F1分数, 加权平均F1分数	NA
191	2026-05-27	AI-powered detection of cyberbullying in short-form video content: A hybrid deep learning framework 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338799 PMID:41671210	research paper	提出一个混合深度学习框架，用于检测短视频内容中的网络欺凌	整合了CNN、BiLSTM和Transformer三种模型，并通过语义一致性验证层实现跨模态对齐，以惩罚不协调的线索	该信息在标题和摘要中未提及	检测短视频中多模态（视觉、听觉和文本）的网络欺凌内容	短视频平台（如Instagram Reels、TikTok、YouTube Shorts）中的视频内容	multimodal machine learning	NA	NA	CNN, BiLSTM, Transformer	视频、音频、文本	两个基准数据集：CAVD和SocialVidMix	NA	CNN（空间特征）、BiLSTM（时间声学模式）、Transformer（文本编码器）、语义一致性验证层	准确率、精确率、召回率、F1分数	该信息在标题和摘要中未提及
192	2026-05-27	EfficientNet-driven deep learning for accurate detection of faults in photovoltaic cells 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342647 PMID:41931557	研究论文	基于EfficientNetV2的深度学习框架用于光伏电池故障检测，提升识别准确率	首次系统比较三种EfficientNetV2变体（B0、B2、M）在光伏电池缺陷检测中的性能，并采用先进的图像预处理和增强技术优化异常检测	未提及在真实场景中的泛化能力验证及计算资源需求分析	提高光伏电池故障检测的准确性和自动化水平，支持预防性维护	光伏电池中的缺陷（包括制造缺陷和环境退化）与非缺陷样本	计算机视觉	NA	图像预处理与增强	卷积神经网络（EfficientNetV2）	图像	2,500张光伏电池图像（含缺陷与非缺陷样本）	NA	EfficientNetV2B0, EfficientNetV2B2, EfficientNetV2M	准确率、精确率、召回率、F1分数	NA
193	2026-05-27	A robust deep learning approach for impulse noise filtering using hybrid auto-encoder with fuzzy median filter 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343141 PMID:41931562	研究论文	提出一种结合混合自编码器与模糊中值滤波器的深度学习方法，用于高效滤除高密度脉冲噪声并恢复图像质量	创新性地将深度卷积神经网络（DnCNN）与自编码器结合模糊中值滤波器，实现高密度脉冲噪声的检测与去除，在图像恢复中兼顾细节保留与噪声消除	未提及具体局限性	开发一种鲁棒的深度学习降噪技术，以有效检测和消除图像中的高密度脉冲噪声，提升图像恢复质量	脉冲噪声污染的图像（使用12张标准测试图像评估）	计算机视觉	NA	NA	深度卷积神经网络（DnCNN）、自编码器、模糊中值滤波器	图像	12张标准测试图像	NA	DnCNN、自编码器	准确率、假正率、假负率、F1分数、峰值信噪比、结构相似性指数	NA
194	2026-05-27	SpaGene: A Deep Adversarial Framework for Spatial Gene Imputation 2026, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.34133/csbj.0102 PMID:42146899	研究论文	提出SpaGene，一种用于整合单细胞RNA测序数据和空间转录组数据的深度学习框架，以填补空间数据中缺失的基因表达	采用两个编码器-解码器对，结合两个转换器和两个判别器，实现空间转录组数据中缺失基因表达的有效填补	目前仅在特定数据集和评价协议下验证，可能在不同组织类型或噪声条件下泛化性有限	整合scRNA-seq和空间转录组数据，提升空间基因表达的恢复准确性	单细胞RNA测序数据和空间转录组数据	机器学习	肺癌	NGS, 单细胞RNA测序, 空间转录组测序	CNN, GAN	文本	多数据集（具体数量未在摘要中明确）	PyTorch	编码器-解码器, 生成对抗网络	Pearson相关系数, 结构相似性指数, 均方根误差	NA
195	2026-05-27	Artificial Intelligence (AI) in microbiome-directed biotherapeutics development 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.01.005 PMID:41714088	综述	讨论人工智能在微生物组导向的生物治疗产品开发中的应用	系统阐述AI如何通过模式识别和复杂相互作用分析，从微生物组数据中发现可用于活体生物治疗产品的候选微生物	数据的改进需求仍是主要挑战	综述AI在微生物组导向诊断和治疗中的应用方式、挑战和未来前景	人体肠道微生物组及其与健康、疾病的关联，以及活体生物治疗产品的开发	机器学习	NA	NA	机器学习、深度学习	微生物组数据和宿主组学数据	NA	NA	NA	NA	NA
196	2026-05-27	Artificial Intelligence in the prediction of 3D chromatin structure and gene regulation 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.01.018 PMID:41986002	研究论文	利用人工智能预测三维染色质结构与基因调控	首次系统综述人工智能特别是深度学习在预测三维染色质结构及基因调控中的应用，强调整合多模态数据及自监督模型的优势	未提及具体模型性能评估及计算资源需求，缺乏实际应用中的局限性讨论	探讨人工智能在解析染色质三维结构与其基因调控关系中的潜力	染色质三维结构（如区室、拓扑关联结构域和环）及基因调控机制	机器学习，数字病理学	NA	Hi-C, ChIA-PET, HiChIP	深度学习	序列及表观基因组特征数据	NA	NA	自监督模型	NA	NA
197	2026-05-27	Artificial intelligence in multimodal data analysis for cancer survival prediction 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.03.001 PMID:41986003	综述	综述人工智能在癌症生存预测中多模态数据分析的融合与对齐方法	系统梳理了2015至2025年间31项基于深度学习的多模态对齐与融合研究，并区分了先对齐后融合与独立融合两类策略	当前融合技术面临数据对齐和数据融合两大障碍，尚未提及具体模型的可扩展性或临床部署挑战	探索人工智能在癌症生存预测中处理多模态异构数据的对齐与融合方法，提高预测准确性和可解释性	31项多模态机器学习研究（2015-2025年），涉及三种关键数据类型	机器学习	癌症	NA	深度学习	多模态数据（图像、文本等）	31项研究	NA	NA	NA	NA
198	2026-05-27	AI in biomolecular structural data analysis 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.01.024 PMID:41986008	综述	本文概述了人工智能在生物分子结构数据分析中的应用，特别是深度学习模型如AlphaFold2和RoseTTAFold在从序列数据快速预测三维结构中的作用	系统性地展示了深度学习架构（CNN、GNN、RNN和Transformer）在结构生物学中的综合应用，并探讨了AI与传统实验数据的互补性	模型可解释性、数据质量和伦理问题仍是挑战，且内容面向初学者，深度有限	为初学者提供AI在生物分子结构分析中的基本知识，推动跨学科探索	蛋白质和核酸的生物分子结构数据	机器学习	NA	深度学习	CNN, GNN, RNN, Transformer	序列数据	NA	NA	AlphaFold2, RoseTTAFold	NA	NA
199	2026-05-27	Multi-omics applications in health and diseases 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.01.012 PMID:41986011	综述	综述多组学技术在健康与疾病研究中的应用，强调人工智能驱动整合方法的潜力和挑战	系统性地总结了从传统统计到深度学习等计算模型在多组学数据整合中的应用，并展望可解释AI、数字健康记录整合等未来方向	数据标准化、可扩展性、可解释性及基因组信息伦理使用方面仍存在挑战	阐述多组学整合在精准医学、疾病异质性研究和发病机制探索中的价值	多组学数据（基因组、转录组、表观组、蛋白质组、代谢组、微生物组）	机器学习	NA	NGS, RNA-seq, 甲基化测序, 蛋白质组学, 代谢组学, 微生物组学	CNN, LSTM	多组学文本数据	NA	NA	NA	NA	NA
200	2026-05-27	Integrating Artificial Intelligence into metabolomics for predicting diseases 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.01.010 PMID:41986004	综述	该文章全面概述了如何将人工智能（特别是机器学习和深度学习）整合到代谢组学工作流程中，以克服数据分析挑战并预测疾病	系统性地介绍了AI在代谢组学中的应用，涵盖技术和概念框架，并通过最新案例研究和方法学进展加以说明	未明确提及	探讨如何利用人工智能技术（尤其是机器学习和深度学习）提升代谢组学在疾病预测中的能力	代谢组学数据及其在疾病预测中的应用	机器学习	癌症、糖尿病及并发症、脑部、心脏、肝脏、肾脏等主要器官疾病	NA	机器学习、深度学习	代谢组学数据	NA	NA	NA	NA	NA